مقایسه مدل های بهینه شبکه عصبی مصنوعی برای شبیه سازی نیترات آب زیرزمینی (مطالعه موردی: دشت بهبهان)

آب های زیرزمینی در مناطق خشک و نیمه خشک مهم ترین منبع آب مورد استفاده برای مصارف شرب و کشاورزی به شمار می آیند. به همین دلیل توجه به کیفیت آن ها اهمیت دارد. نیترات یکی از آلوده کننده های منابع آب زیرزمینی است که توسط فعالیت های کشاورزی و فاضلاب تولید می شود. با توجه به اینکه اندازه گیری نیترات توسط روش های صحرایی و نمونه برداری بسیار پرهزینه و محدود است، استفاده از روش های نوین پیش بینی مانند شبکه های عصبی مصنوعی می تواند ابزار مفیدی برای این کار به شمار رود. استفاده از شبکه های عصبی مصنوعی در مطالعات هیدرولوژیکی دهه اخیر، نشان می دهد این مدل ها توانایی بالائی در کشف رابطه بین داده ها و شناخت الگوها دارند. در این پژوهش شبکه عصبی مصنوعی در ترکیب با الگوریتم PSO و نیز GA برای شبیه سازی میزان نیترات آب های زیرزمینی دشت بهبهان مورد ارزیابی قرار گرفته و عملکرد بسیار مناسبی را از خود نمایش می دهند.

کلیدواژه ها:

الگوریتم بهینه سازی تجمع ذرات ، الگوریتم ژنتیک ، شبکه عصبی مصنوعی ، شبیه سازی ، نیترات.